《基於圖像的植物識別和檢索研究》是依託西北大學，由范建平擔任項目負責人的面上項目。
基本介紹
- 中文名：基於圖像的植物識別和檢索研究
- 項目類別：面上項目
- 項目負責人：范建平
- 依託單位：西北大學
項目摘要,結題摘要,
項目摘要
隨著信息技術的快速發展，人們可以很便捷地獲取喜愛植物的照片，並期望能在網際網路上查找到該未知植物的相關信息。雖然基於關鍵字的文本搜尋技術已相對成熟，但人們在多數情況下並不知道所感興趣植物的名稱，因此找不到合適的查詢詞。為滿足人們日益增長的鑑賞和了解各類植物的需求，本課題將研究一種新的基於圖像匹配和統計學習算法的大規模植物圖像的自動識別和檢索框架：1）基於大量植物類網站來全自動地構建大規模植物圖像庫；2）結合相機的元數據和植物圖像的視覺特徵來更準確地檢測圖像感興趣區域；3）基於植物分類學和植物特徵建立大規模植物概念網路；4）基於植物概念網路的多任務學習和多層次學習算法，利用植物概念之間的語義和視覺關聯性來指導訓練大規模植物概念分類器；5）基於自適應的圖像摘要和互動式可視化的植物概念分類器評估方法。針對植物識別與檢索這一特殊研究主題的深入探索，其成果也將推動圖像處理與檢索等相關領域的研究和發展。
結題摘要
隨著信息技術的快速發展，人們可以很便捷地獲取喜愛植物的照片，並期望能在網際網路上查找到該未知植物的相關信息。為滿足人們日益增長的鑑賞和了解各類植物的需求，本課題研究了一種新的基於統計學習算法的大規模植物圖像的自動識別框架和檢索框架。本課題嚴格按照研究計畫進行，主要研究成果包括：通過基於自動的圖像-文本匹配算法來充分融合專業植物圖像資料庫和大量植物類網站的圖像，並全自動地建立大規模的植物圖像資料庫；結合相機的元數據和植物圖像的視覺特徵更準確地檢測圖像感興趣區域，並從感興趣區域中提取有辨識力的植物特徵；基於植物分類學和植物特徵，構建了一個視覺概念網路，以網路結構的形式對植物圖像類別進行有效地組織與可視化展示；基於植物圖像類別間的相關性，提出了分層多任務結構學習方法，通過控制層間的差錯傳播，所提出方法可以有效完成大規模植物分類任務；基於上述研究，本課題建立了大規模植物圖像的自動識別和檢索框架。本課題在《IEEE Transactions on Pattern Analysis and Machine Intelligence》、《IEEE Transactions on Image Processing》、《Pattern Recognition》等一區、二區權威期刊以及會議上發表論文20篇，培養博士3人、碩士研究生6人，組織和承辦The 2016 Pacific-Rim Conference on Multimedia (PCM 2016)國際會議，國家自然科學基金的國際合作交流項目正在進行中，圓滿完成了預期研究目標。
